AI動画編集の全体像：無料ツールでどこまでできるのか
AI動画編集という言葉は、実は三つの異なる作業を指している。第一に、テキストや画像から映像そのものを生み出す「生成」。第二に、撮影済み・生成済みの素材をカットし、つなぎ、色や構図を整える「編集」。第三に、字幕やナレーション、BGMを載せて一本の作品に仕上げる「音声と仕上げ」だ。無料のAIツールを探すときに多くの人がつまずくのは、この三つを一つのツールで完結させようとすることである。実際には、生成は得意だが編集機能は最小限というツール、編集は強力だが素材生成はできないツールが大半で、複数を組み合わせる前提で考えたほうが現実的だ。
さらに、無料で使える範囲には必ず何らかの制約がある。書き出し解像度の上限、透かしの有無、一日あたりの処理回数、生成できるクリップの長さ、商用利用の可否などだ。これらは「無料か有料か」の二択ではなく、目的に対して制約が許容範囲かどうかで判断する。SNS向けの短い縦動画を作るのか、商談で使う5分の解説動画を作るのかで、必要な機能も許容できる制約もまったく変わる。
もう一つ押さえておきたいのは、AIは撮影と編集の「時間」を減らすが、「判断」は減らさないという点だ。どのカットを残すか、どのテンポが気持ちいいか、どのテロップが読みやすいかは最終的に人間が決める。無料ツールの組み合わせで品質を出すコツは、判断に時間をかけるべき工程と、機械に任せてよい工程を切り分けることにある。
目的別に見る無料AI動画編集ツールの分類
生成型：テキストや画像から映像を作る
テキスト指示から数秒のクリップを生成するタイプで、Runway、Pika、Luma Dream Machine、Kling、Stable Video Diffusion などが代表例として挙げられる。得意なのは、実写では撮影が難しい情景、商品のイメージカット、抽象的な背景、コンセプト映像など。苦手なのは、長尺で一貫した物語、細かい手指の動き、画面内の文字描写だ。無料枠では生成回数に制限が付くことが多いので、まずは「1カット4〜6秒」を基本単位として設計すると破綻しにくい。30秒の動画を作るなら必要なカットは6〜8本。この本数を最初に見積もっておくと、無料枠の範囲に収まるかどうかを早い段階で判断できる。
編集型：カット・結合・補正を担う
CapCut、DaVinci Resolve、Shotcut、Clipchamp などが該当する。AI機能としては、自動カット、無音区間の削除、被写体追跡、ノイズ除去、手ぶれ補正、自動字幕、背景除去などが搭載されている。無料でも十分に強力で、特に色調整と音声処理の機能が充実したものもある。ここは生成ではなく「整える」工程の主戦場であり、作業時間の半分以上を占めることが多い。逆に言えば、ここを効率化できるかどうかが、無料ツールだけで完結できるかの分かれ目になる。
音声・字幕型：仕上げの品質を決める
Whisper系の文字起こし、ElevenLabsなどの音声合成、自動字幕生成、翻訳や吹き替えを担うツール群だ。視聴維持率に最も影響する要素は音声とテロップだと言われる。映像が多少粗くても、聞き取りやすく読みやすい動画は最後まで見られる。無料枠では月間の文字起こし分数に上限があることが多いため、長い素材は先に不要部分を切り落としてから通すのが定石になる。ナレーションを合成音声にする場合も、無駄な無音区間を削ってから読み上げさせるほうが自然な仕上がりになる。
オールインワン型：短時間で形にする
Canva、InVideo、Pictory、HeyGen のように、テンプレートとAI生成を組み合わせて短時間で動画を作れるツールもある。テンプレートに沿えば速いが、独自性は出しにくく、似た動画が量産されやすい。学習の順序としては、まずオールインワンで1本完成させて全体の流れをつかみ、物足りない工程だけ専門ツールに置き換えていくのが効率がよい。
無料ツールで完結させる制作ワークフロー：全7ステップ
以下は、素材が何もない状態から1本の動画を公開するまでの標準的な流れだ。所要時間の目安は、30秒の縦動画で3〜6時間。うち半数以上は編集とテロップ作業に費やされる。
ステップ1：目的と尺を先に決める
最初に決めるのは、誰に、何を、どこで見せるか。プラットフォームによって最適な尺と比率が違う。縦型ショートは15〜45秒、横型の解説は3〜8分、広告は15秒と30秒の2バージョン、というように最初から尺を固定する。尺が決まれば必要なカット数が決まり、カット数が決まれば無料枠で足りるかどうかを計算できる。ここを飛ばして素材を作り始めると、後工程で必ず作り直しが発生する。
ステップ2：絵コンテとカット割りを作る
紙でも表計算でもよいので、カットごとに「映像の内容」「尺」「テロップ」「音」を書き出す。30秒なら6〜10行の表で十分だ。この表があると、生成ツールに渡すプロンプトをカット単位で書けるようになり、生成のやり直しが激減する。同時に、どのカットが生成で作れて、どのカットが撮影や既存素材のほうが速いかも判断できる。
ステップ3：素材を生成または撮影する
生成型ツールにプロンプトを投げる場合、1カットにつき3〜4案を出して選ぶのが現実的だ。同じプロンプトでも結果は毎回変わるため、一発で決めようとすると時間が溶ける。商品写真や人物写真がある場合は、画像を入力に使うほうが安定する。撮影で済むカットは素直に撮ったほうが速い。手元の作業、商品を手に取る動作、顔の表情などは、実写のほうが圧倒的に説得力が出る。
ステップ4：粗編集でリズムを作る
素材をタイムラインに並べ、不要部分を切り、テンポを調整する。ここではエフェクトを一切かけない。意識するのは「間」と「変化」の2点だけだ。同じ画角が3秒以上続くと視聴者は離脱しやすいので、カットを切り替えるか、寄りや引きを挟む。冒頭の3秒で最も強い映像を置くのも鉄則である。無音区間の自動削除機能は、ここで使うと効果が大きい。
ステップ5：テロップと音声を整える
自動字幕を生成し、誤変換を修正する。固有名詞、数字、専門用語は必ず目視で確認する。テロップは1行あたり全角13〜16文字程度に収め、画面の下三分の一に置くと読みやすい。ナレーションは、聞き返したくなる箇所を削るだけで格段に聞きやすくなる。BGMはナレーションより12〜18dB下げ、盛り上がりたい箇所だけ音量を上げる。
ステップ6：色と音の仕上げ
色は、彩度を上げすぎず、肌の色を基準に合わせる。複数のツールで生成したカットが混ざる場合は、彩度とコントラストを少し下げ、全体に共通のトーンをかけると一枚の作品に見えやすい。音は、無音部分のノイズ、クリックノイズ、音量のばらつきを確認する。最終的な音量はプラットフォームの基準に合わせ、概ねマイナス14LUFS前後を目安にする。
ステップ7：書き出しと最適化
書き出し設定は、縦型なら1080×1920、横型なら1920×1080、フレームレートは素材に合わせて30または60fps。ビットレートは縦型で8〜12Mbps程度あれば十分だ。ファイル名には版番号と日付を入れ、同じ動画の別バージョンを混同しないようにする。公開後は、最初の3秒の離脱率、平均視聴時間、完視聴率を確認し、次回のカット割りに反映する。
プロンプト設計の基本：シーンではなくショット単位で書く
生成型ツールに渡すプロンプトは、シーンの説明ではなく「1つのショット」の説明として書く。要素は5つに絞ると安定する。被写体、動作、場所、カメラワーク、光と雰囲気だ。たとえば「雨の商店街を歩く女性、肩越しのカメラ、夕方の青い光、ゆっくり前進」のように、主語と動き、カメラ、光を明示する。抽象語を並べるより、具体物と動きを書くほうが結果が安定する。
避けたいのは、1つのプロンプトに複数のアクションを詰め込むことだ。「歩いて、振り返って、扉を開けて、座る」のような指示は、途中で破綻しやすい。1ショット1アクションを原則とする。また、否定的な指示は効きが弱いツールが多いので、避けたい要素はプロンプトから外すだけでなく、後工程でトリミングして対応する。
尺の指定も重要だ。4秒のクリップに3つの動作を入れれば、どれも中途半端になる。逆に、動きの少ない情景カットは6秒でも成立する。カットの役割が「つなぎ」なのか「見せ場」なのかを意識して、尺とプロンプトの密度を合わせる。
衣装や小道具を指定する場合も、形容詞を重ねるより色と素材を具体的に書く。「暗い色の服」ではなく「紺のジャケットと白いシャツ」のほうが、カット間のばらつきが小さくなる。背景も同様に、時間帯と天候まで指定すると、複数カットの連続性が保ちやすい。
一貫性を保つテクニック：キャラクター・画風・色
複数カットを生成すると、人物の顔、服装、髪型、背景の雰囲気がばらつく。これを抑える方法は3つある。第一に、基準となる1枚の画像を用意し、すべてのカットでそれを参照する。第二に、プロンプトの語順と語彙を固定し、変化させる部分だけを差し替える。第三に、後工程で色を統一する。
第一の方法が最も効果が高い。正面の顔写真、全身の立ち姿、背景の参考画像をセットで用意し、カットごとに参照画像を指定する。ツールによって参照機能の精度に差があるため、まず2カットだけ試して、同一人物に見えるかを確認してから本番に入る。
服の色や小物は、生成後に変えるのが難しい。プロンプトで具体的に指定し、迷ったら色数を減らす。人間の目は、色のばらつきに敏感である。登場人物が3人いる動画で、それぞれの服の色を固定するだけでも、視聴者の混乱はかなり減る。
画風の統一は、フィルムルック、アニメ調、CG調といった大きなカテゴリを最初に決め、全カットで同じ表現を使うことで担保する。カットごとに画風が変わると、視聴者は無意識に違和感を覚え、離脱につながる。最終的な色調整でフィルムグレインや共通のカラー調整をかけると、生成元が違っても一つの作品に見えやすくなる。
無料枠の制約を前提にした設計術
無料で使う以上、制約は必ず存在する。大切なのは、制約を我慢するのではなく、制約に合わせて企画を設計することだ。
第一に、生成回数の上限は「採用カット数の3倍」で見積もる。10カット必要な動画なら30回の生成が必要になる。上限に収まらない場合は、カット数を減らすか、静止画と動き（ズーム、パン）で代替する。静止画にゆっくりした動きを加えるだけでも、映像としての印象は大きく変わる。
第二に、透かしや解像度制限は、構図で回避できる場合がある。透かしが四隅に入るなら、テロップを中央寄りに配置し、余白を活かした構図にする。縦型動画では上下に余白が生まれやすいので、この余白を安全地帯として使う発想が有効だ。
第三に、文字起こしの分数上限に対しては、先に無音と不要部分を削る。10分の素材を3分に縮めてから通せば、同じ上限で3倍の本数を処理できる。これは画質を落とさずに効率を上げる、最も基本的な工夫である。
第四に、商用利用の条件は必ず確認する。無料枠で作った動画を広告に使えるかどうかはツールごとに異なる。条件が不明な場合は、企画段階で問い合わせるか、条件が明示されているツールに絞る。広告出稿後に判明すると、修正のコストが跳ね上がる。
よくある失敗と対処法
失敗1：1本目から長尺を作ろうとする。対処は、まず15秒を作ること。短い尺でワークフローを一周すると、どの工程に時間がかかるかが体感できる。
失敗2：素材を大量に生成してから編集で困る。対処は、カット割りを先に固定し、必要なカットだけを生成すること。素材が多すぎると、選ぶ時間のほうが長くなる。
失敗3：テロップの誤変換を放置する。対処は、固有名詞・数字・専門用語のチェックリストを作り、公開前に必ず照合すること。
失敗4：音声が小さく、スマートフォンのスピーカーで聞こえない。対処は、スマートフォンで一度通しで再生して確認すること。編集環境のヘッドフォンでは気づけない問題が必ず出る。
失敗5：カットごとに画風が違う。対処は、参照画像と共通の色調整を必ず入れること。生成ツールを途中で変えた場合は、特に注意が必要だ。
失敗6：最初の3秒が弱い。対処は、最も動きのあるカット、または最も強い問いかけのテロップを先頭に置くこと。
失敗7：書き出し設定を確認せずに公開する。対処は、プラットフォームごとの推奨設定をテンプレートとして保存すること。
失敗8：テンポが一定で単調になる。対処は、カットの長さに意図的な変化をつけること。短いカットを連続させたあとに、長めのカットを置くと、緩急が生まれる。
ジャンル別の実践例
SNS広告・ショート動画
15秒、縦型、テロップ主体。構成は「問題提起3秒→解決策の提示5秒→使用シーン4秒→行動喚起3秒」。生成は背景と雰囲気カットに絞り、商品や人物は実写を使うと説得力が増す。音は最初の1秒で耳を引く効果音を置く。テロップは音を消して見ても内容が伝わるように作る。
解説・教育動画
3〜5分、横型。スライド、図解、実演の3種類のカットを組み合わせる。生成型ツールは導入のイメージカットや背景に使い、説明部分は画面録画と静止画で構成すると誤解が生まれにくい。章ごとにテロップで区切りを入れると、途中から視聴した人でも内容が追える。
EC商品紹介
30秒、正方形または縦型。商品の特徴を3点に絞り、1点につき1カット。手に取る動作、使用前後、細部の寄りを入れる。生成した映像は背景やイメージカットに限定し、商品そのものは実写で撮る。色は商品の色を基準に合わせ、補正で色味を変えない。
企業広報・採用
60〜90秒、横型。インタビュー、職場の風景、テロップの3要素で構成する。生成型ツールはオープニングの抽象カットや、撮影できなかった風景の補完に使う。ナレーションは合成音声でもよいが、社名や人名の発音は必ず確認する。字幕は全文を付けると、音を出せない環境でも伝わる。
チームで回すための運用とレビュー体制
複数人で作る場合は、ファイル名とフォルダ構成を最初に決める。プロジェクト、素材、書き出し、テロップの4階層に分け、素材には「採用」「保留」「没」の接頭辞を付ける。レビューは、絵コンテ段階、粗編集段階、書き出し前の3回に固定する。最初のレビューで構成を確定させれば、後戻りは大幅に減る。
テロップの表記ゆれを防ぐため、用語集を一つ作る。商品名、サービス名、役職名、数字の書き方をここに集約し、全員が同じ表記を使う。AIで文字起こしをした結果をそのまま使うと、同じ単語が動画内で違う表記になることがある。
権利面の確認も運用に組み込む。生成した映像、合成音声、BGM、フォントの利用条件を一覧にし、公開前にチェックする。特に合成音声は、特定の話者の声に似せた使い方をすると問題になるため、利用条件を確認したうえで使う。
制作時間の記録も欠かせない。工程ごとに所要時間を残しておくと、次の動画でどこを短縮すべきかが数字で見える。感覚ではなく記録で改善するほうが、チームの再現性は高くなる。
よくある質問（FAQ）
無料ツールだけでプロ品質の動画は作れますか
作れるが、条件がある。尺を短く保つこと、カット数を絞ること、音とテロップに時間をかけること。この3点を守れば、無料の範囲でも十分に見られる動画になる。逆に、長尺でカット数が多く、音声が聞き取りにくい動画は、有料ツールを使っても見られない。
生成型と編集型、どちらから学ぶべきですか
編集型から学ぶことを勧める。カットのつなぎ方、テンポ、テロップの読みやすさは、生成ツールが変わっても通用する基礎技術だ。生成はその上に載る応用で、編集の感覚がないと生成結果の良し悪しを判断できない。
1本作るのにどれくらい時間がかかりますか
15秒の縦動画で、慣れるまでは4〜6時間、慣れれば1〜2時間が目安になる。最初の3本は時間がかかって当然で、4本目以降でテンプレート化が効き始める。作業時間を記録しておくと、どの工程を短縮すべきかが見える。
生成した映像は商用利用できますか
ツールごとに条件が異なるため、必ず各ツールの利用条件を確認する。無料枠では商用利用が制限されている場合や、製作者名の表示が必要な場合がある。判断に迷う案件では、条件が明確なツールに統一するのが安全だ。
同じ人物を複数カットに登場させるには
基準となる画像を用意し、各カットで参照するのが最も確実だ。加えて、服装・髪型・小物をプロンプトで固定し、後工程で色を統一する。それでも破綻する場合は、顔が大きく映るカットを減らし、後ろ姿や手元、シルエットで見せる構成に切り替える。
音声は合成と録音のどちらがよいですか
説明や情報伝達が目的なら合成音声で十分な場合が多い。感情や信頼感が重要な場面、たとえば採用動画や顧客の声では、録音のほうが伝わる。合成を使う場合も、句読点の位置を調整し、不自然な間を削る編集を必ず行う。
字幕は自動生成だけで大丈夫ですか
下書きとしては十分だが、そのまま公開するのは避けたい。固有名詞、数字、専門用語、同音異義語は誤変換が多い。自動生成の後に必ず目視で全文を確認し、用語集と照合する工程を入れる。
どのツールから始めればよいですか
まず編集型を1つ決めて操作に慣れ、次に生成型を1つ足す。複数を同時に試すと、どれも中途半端になる。1本完成させることを優先し、物足りなさを感じた工程だけを入れ替えていく。
縦型と横型、どちらを基準に作るべきですか
配信先で決める。ショート系が主戦場なら縦型を基準にし、横型は同じ素材を再構成して作る。逆に、解説や広報が中心なら横型を基準にし、縦型は冒頭15秒を切り出して作る。両方を最初から同時に作ろうとすると、どちらも中途半端になりやすい。
ここまで読んで、最初の一歩としておすすめなのは、手元にある素材で15秒の動画を1本作ることだ。企画、カット割り、粗編集、テロップ、書き出しの5工程を一度通せば、自分の制作における詰まりどころが具体的に見えてくる。ツールの乗り換えはいつでもできるが、一周した経験はどのツールでもそのまま活きる。
